The role of perceived stress and cognitive function on the relationship between neuroticism and depression among the elderly: a structural equation model approach
Notice bibliographique
Résumé
BACKGROUND: Depression comprises common psychological problems, and has been strongly related to neuroticism and perceived stress. While neuroticism has been shown to have a direct effect on depression, it also has an indirect effect via perceived stress. Among the elderly, cognitive function produces influences that should not be overlooked when investigating depression. This study aimed to determine the role of mediating effects of perceived stress as well as cognitive function on neuroticism and depression among elderly patients. METHODS: This research constituted a secondary analysis, with data collected during the pre-operative period of 429 elderly individuals undergoing elective, noncardiac surgery. The evaluation included the Perceived Stress Scale, the Neuroticism Inventory, the Montreal Cognitive Assessment, and the Geriatric Depression Scale. Structural equation modeling was used to investigate the hypothesized model. RESULTS: Neuroticism exhibited a significant indirect effect on perceived stress via depression and cognition (β = 0.162, 95% CI 0.026, 0.322, p = .002). Neuroticism initially had a direct effect on depression (β = 0.766, 95% CI 0.675, 0.843 p = 0.003); thereafter, it was reduced after covariates were added (β = 0.557, 95% CI 0.432, 0.668 p = 0.002). Based on this model, the total variance explained by this model was 67%, and the model showed an acceptable fit with the data. CONCLUSIONS: Both perceived stress and cognitive function partially mediated the effect of neuroticism on depression, with perceived stress exhibiting a greater effect. TRIAL REGISTRATION: The study protocol has been registered at Clinicaltrials.gov under registered number: NCT02131181.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».